基于粒子群算法的機(jī)械零件多目標(biāo)優(yōu)化設(shè)計(jì)研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>187KB
頁(yè)數(shù):3P
人氣 :92
4.3
機(jī)械零件多目標(biāo)優(yōu)化設(shè)計(jì)是工程設(shè)計(jì)中常遇到的優(yōu)化設(shè)計(jì)問(wèn)題。提出了一種基于粒子群算法的機(jī)械零件多目標(biāo)優(yōu)化設(shè)計(jì)方法與策略,對(duì)彈簧零件設(shè)計(jì)參數(shù)進(jìn)行了多目標(biāo)優(yōu)化設(shè)計(jì)分析。結(jié)果表明該方法可用于彈簧參數(shù)的多目標(biāo)優(yōu)化設(shè)計(jì),且計(jì)算參數(shù)調(diào)整簡(jiǎn)單,應(yīng)用方便,可根據(jù)分目標(biāo)側(cè)重需要,得到不同分目標(biāo)偏重的優(yōu)化設(shè)計(jì)參數(shù)。
基于改進(jìn)粒子群算法的EBG結(jié)構(gòu)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>173KB
頁(yè)數(shù):未知
提出了一種基于進(jìn)化機(jī)制的ebg(electromagneticbandgap)結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法,該方法結(jié)合改進(jìn)的簡(jiǎn)化粒子群算法ispso(improvedsimpleparticleswarmoptimization)和電磁仿真軟件ie3d,實(shí)現(xiàn)ebg結(jié)構(gòu)自動(dòng)優(yōu)化設(shè)計(jì),使其達(dá)到設(shè)計(jì)指標(biāo)。算法實(shí)現(xiàn)過(guò)程中,ebg結(jié)構(gòu)的幾何參數(shù)通過(guò)外部改進(jìn)的粒子群優(yōu)化算法來(lái)優(yōu)化設(shè)計(jì),結(jié)構(gòu)特性的仿真通過(guò)電磁仿真軟件ie3d來(lái)完成的。利用ispso/ie3d方法優(yōu)化設(shè)計(jì)了一個(gè)ebg結(jié)構(gòu),仿真試驗(yàn)表明該ebg結(jié)構(gòu)性能優(yōu)異,進(jìn)而也驗(yàn)證了ispso/ie3d自動(dòng)設(shè)計(jì)方法對(duì)ebg結(jié)構(gòu)設(shè)計(jì)的有效性。最后將該ebg結(jié)構(gòu)用于微帶天線設(shè)計(jì)中,提高了天線的性能。
基于粒子群算法的劣化橋面鋪裝多目標(biāo)組合維護(hù)策略優(yōu)化研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>597KB
頁(yè)數(shù):7P
發(fā)展了維護(hù)導(dǎo)致的間接維護(hù)成本改進(jìn)模型,基于改進(jìn)的橋面鋪裝劣化模型推導(dǎo)了在組合維護(hù)策略下其狀態(tài)指標(biāo)評(píng)估公式,建立了多目標(biāo)組合維護(hù)優(yōu)化模型。使用自適應(yīng)粒子群優(yōu)化算法,根據(jù)壽命期內(nèi)維護(hù)成本現(xiàn)值最小化和狀態(tài)指標(biāo)最大化的原則,滿足性能要求和預(yù)算限制約束下,優(yōu)化出壽命期內(nèi)成本和性能都滿足要求的維護(hù)策略。以劣化水泥混凝土橋面鋪裝為數(shù)值算例,證明了多目標(biāo)組合優(yōu)化技術(shù)的可靠性和有效性。研究發(fā)現(xiàn):合理安排組合維護(hù)策略中修補(bǔ)性維護(hù)時(shí)間可以平衡橋梁維護(hù)成本和結(jié)構(gòu)安全性能。
基于改進(jìn)粒子群算法的火電系統(tǒng)節(jié)能環(huán)保多目標(biāo)優(yōu)化調(diào)度模型
格式:pdf
大小:128KB
頁(yè)數(shù):4P
4.5
針對(duì)火電系統(tǒng)生產(chǎn)過(guò)程中的環(huán)境污染問(wèn)題,提出以火電系統(tǒng)節(jié)能環(huán)保為重點(diǎn)研究對(duì)象的多目標(biāo)優(yōu)化調(diào)度模型,并以改進(jìn)的粒子群算法進(jìn)行求解。結(jié)合灰色系統(tǒng)理論中有關(guān)灰色關(guān)聯(lián)度的概念對(duì)粒子群算法多目標(biāo)求解機(jī)制進(jìn)行改進(jìn),對(duì)煤耗量、污染氣體和煙塵排放等的多目標(biāo)火電系統(tǒng)優(yōu)化求解,引入壓縮因子改善粒子群算法的性能,增強(qiáng)其全局收斂能力。通過(guò)ieee14節(jié)點(diǎn)系統(tǒng)算例證明本算法的有效性。
基于混合粒子群算法的梯級(jí)水電站多目標(biāo)優(yōu)化調(diào)度
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>938KB
頁(yè)數(shù):8P
4.7
提出多目標(biāo)混合粒子群算法以求解梯級(jí)水電站多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型。該算法采用混合蛙跳算法的分組-混合循化優(yōu)化框架以增強(qiáng)算法的全局搜索能力;在族群內(nèi)通過(guò)粒子群算法的飛行調(diào)整策略指導(dǎo)個(gè)體進(jìn)化;同時(shí),引入外部精英集,建立了基于自適應(yīng)小生境的外部精英集維護(hù)策略,提高了算法的收斂性和非劣解集的多樣性。最后將該算法應(yīng)用于三峽梯級(jí)水電站多目標(biāo)優(yōu)化調(diào)度工程,計(jì)算結(jié)果表明,本文算法能夠獲得計(jì)算實(shí)時(shí)性強(qiáng)、分布均勻、收斂性好的調(diào)度方案集,并以此分析明確了調(diào)度目標(biāo)間的耦合關(guān)系,可為梯級(jí)電站的多目標(biāo)調(diào)度決策提供科學(xué)依據(jù)。
基于改進(jìn)粒子群算法的盾構(gòu)掘進(jìn)施工優(yōu)化研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>201KB
頁(yè)數(shù):3P
4.4
盾構(gòu)掘進(jìn)優(yōu)化能夠提高施工的穩(wěn)定性,確保施工效率和施工質(zhì)量,因此,將改進(jìn)粒子群算法應(yīng)用于盾構(gòu)掘進(jìn)施工優(yōu)化中.文章分析了盾構(gòu)掘進(jìn)施工參數(shù)對(duì)施工質(zhì)量的影響,并設(shè)計(jì)了施工優(yōu)化的數(shù)學(xué)模型;研究了改進(jìn)粒子群算法,提出了慣性權(quán)重的調(diào)節(jié)算法和設(shè)計(jì)盾構(gòu)掘進(jìn)施工優(yōu)化的算法流程;最后進(jìn)行了盾構(gòu)掘進(jìn)施工優(yōu)化的仿真分析.結(jié)果表明:該算法能夠有效地控制盾構(gòu)掘進(jìn)施工的沉降量,從而確保了盾構(gòu)掘進(jìn)施工質(zhì)量.
基于雙層多目標(biāo)粒子群優(yōu)化算法的輸變電工程立項(xiàng)決策研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>361KB
頁(yè)數(shù):5P
4.7
針對(duì)如何從電網(wǎng)建設(shè)上報(bào)的大量輸變電工程中,選擇需要的且以一種有效方案實(shí)施的立項(xiàng)決策關(guān)鍵問(wèn)題進(jìn)行研究,提出了一種基于雙層多目標(biāo)粒子群優(yōu)化算法的輸變電工程立項(xiàng)決策評(píng)價(jià)模型。該模型包括2個(gè)階段——立項(xiàng)和決策,采用雙層多目標(biāo)粒子群優(yōu)化算法對(duì)模型進(jìn)行求解pareto最優(yōu)解,并使用5個(gè)評(píng)價(jià)指標(biāo)——電網(wǎng)的安全性、適應(yīng)性、環(huán)境友好性、經(jīng)濟(jì)與協(xié)調(diào)性綜合選出最優(yōu)方案。最后對(duì)所提出的算法模型進(jìn)行算例分析驗(yàn)證,驗(yàn)證結(jié)果證明了本算法模型的有效性。
基于粒子群優(yōu)化算法的農(nóng)田多目標(biāo)控制排水模型
格式:pdf
大小:539KB
頁(yè)數(shù):4P
4.4
該文研究?jī)?nèi)容包括2個(gè)方面:1)針對(duì)南方丘陵地區(qū)地表排水方式,通過(guò)田間排水試驗(yàn),探求控制排水中氮、磷濃度的變化規(guī)律,擬合了累計(jì)入滲量philip公式的參數(shù),建立了排澇、除漬和減少氮、磷流失的多目標(biāo)控制排水模型。2)在分析多目標(biāo)優(yōu)化問(wèn)題pareto最優(yōu)解的基礎(chǔ)上,運(yùn)用matlab編制計(jì)算程序,針對(duì)控制排水模型的具體特點(diǎn),分別定義了粒子的適應(yīng)值、個(gè)體極值和全局極值的計(jì)算公式,利用粒子群優(yōu)化算法對(duì)模型進(jìn)行了求解。結(jié)果表明,運(yùn)用基于粒子群的多目標(biāo)優(yōu)化算法求解農(nóng)田多目標(biāo)控制排水模型,所求得的控制排水時(shí)間與實(shí)際控制排水時(shí)間基本一致,為農(nóng)田排水的科學(xué)管理提供參考。
基于Pareto多目標(biāo)粒子群優(yōu)化算法的物流服務(wù)供應(yīng)商選擇決策研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>128KB
頁(yè)數(shù):未知
4.4
為了使3pl企業(yè)在物流業(yè)務(wù)分包時(shí)不僅能降低分包成本,并且能促進(jìn)物流服務(wù)質(zhì)量,提出多目標(biāo)的規(guī)劃模型,描述了3pl企業(yè)與物流服務(wù)供應(yīng)商之間的博弈關(guān)系,兩個(gè)目標(biāo)函數(shù)分別以總分包費(fèi)用最小為目標(biāo)和以分包商服務(wù)質(zhì)量最大為目標(biāo),引入\"綜合表現(xiàn)度\"來(lái)衡量物流服務(wù)供應(yīng)商的服務(wù)質(zhì)量,并應(yīng)用基于pareto多目標(biāo)粒子群優(yōu)化算法對(duì)多目標(biāo)模型進(jìn)行求解。最后,利用算例進(jìn)行試驗(yàn),結(jié)果表明該算法的有效性,并且得出結(jié)論:此方法在長(zhǎng)期的作用下能有效的協(xié)調(diào)物流服務(wù)質(zhì)量與成本之間的平衡,促進(jìn)物流服務(wù)供應(yīng)鏈的整體效益。
基于模糊理論的機(jī)械多目標(biāo)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>815KB
頁(yè)數(shù):4P
4.5
多目標(biāo)優(yōu)化設(shè)計(jì)各分目標(biāo)間的矛盾性和不可公度性增加了解決問(wèn)題的難度,常規(guī)求解多目標(biāo)優(yōu)化設(shè)計(jì)方法一般只能求出問(wèn)題的有效解,而得不到設(shè)計(jì)的最優(yōu)結(jié)果。該文以蝸桿傳動(dòng)多目標(biāo)優(yōu)化設(shè)計(jì)為例,采用改進(jìn)的遺傳算法求得若干有效解后,根據(jù)模糊理論中的相似優(yōu)先比法從中確定出最有效解,即最優(yōu)解,并可排出它們的優(yōu)劣順序。
測(cè)量與機(jī)械零件測(cè)繪
格式:ppt
大小:2.8MB
頁(yè)數(shù):未知
3
測(cè)量與機(jī)械零件測(cè)繪——本資料為測(cè)量與機(jī)械零件測(cè)繪,doc格式,共69頁(yè)技術(shù)測(cè)量的基本任務(wù)在機(jī)械制造業(yè)中,技術(shù)測(cè)量是研究空間位置、形狀和大小等幾何量的測(cè)量工作的。測(cè)量就是為確定量值進(jìn)行的一組操作。例如,將被測(cè)量值與法定計(jì)量單位的標(biāo)準(zhǔn)量值進(jìn)行比較...
梯級(jí)水電站群優(yōu)化調(diào)度多目標(biāo)量子粒子群算法
格式:pdf
大小:1.3MB
頁(yè)數(shù):11P
4.4
為科學(xué)求解梯級(jí)水電站群多目標(biāo)優(yōu)化調(diào)度模型,提出一種基于量子行為進(jìn)化機(jī)制的多目標(biāo)量子粒子群算法(moqpso)。該方法以標(biāo)準(zhǔn)量子粒子群算法(qpso)為基礎(chǔ),引入外部檔案集合存儲(chǔ)非劣粒子,利用個(gè)體支配關(guān)系實(shí)現(xiàn)檔案集合的動(dòng)態(tài)更新維護(hù);依據(jù)個(gè)體領(lǐng)導(dǎo)能力優(yōu)劣選擇粒子歷史最優(yōu)位置與種群全局最優(yōu)位置,維持搜索過(guò)程中個(gè)體進(jìn)化方向的多樣性;采用混沌變異算子對(duì)個(gè)體進(jìn)行局部擾動(dòng),提升算法的全局收斂性能。烏江流域模擬調(diào)度結(jié)果表明,所提方法具有良好的收斂速度與尋優(yōu)能力,可快速獲得兼顧梯級(jí)水電系統(tǒng)經(jīng)濟(jì)性與可靠性要求的pareto解集,能夠?yàn)楣こ倘藛T提供科學(xué)的決策依據(jù)。
機(jī)械及機(jī)械零件設(shè)計(jì)基礎(chǔ)知識(shí)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>198KB
頁(yè)數(shù):10P
4.3
第2章機(jī)械及機(jī)械零件設(shè)計(jì)基礎(chǔ)知識(shí) 2.1設(shè)計(jì)的基本要求和一般程序 2.1.1機(jī)械設(shè)計(jì)的基本要求機(jī)械設(shè)計(jì)應(yīng)滿足的要求:在滿足預(yù)期功能的前提下,性能好、效 率高、成本低,在預(yù)定使用期限內(nèi)安全可靠,操作方便、維修簡(jiǎn)單和造型美觀等。 2.2.2機(jī)械設(shè)計(jì)的一般設(shè)計(jì)程序 機(jī)械設(shè)計(jì)的一般程序用框圖來(lái)表示。 設(shè)計(jì)人員必須善于把設(shè)計(jì)構(gòu)思、設(shè)計(jì)方案,用語(yǔ)言、文字和圖形方式傳遞給主管者和協(xié) 作者,以取得批準(zhǔn)和贊同。除具體技術(shù)問(wèn)題外,設(shè)計(jì)人員還要論證下列問(wèn)題:(1)此設(shè)計(jì)是 否確為人們所需要?(2)有哪些特色?能否與同類產(chǎn)品競(jìng)爭(zhēng)?(3)制造上是否經(jīng)濟(jì)?(4) 維修保養(yǎng)是否方便?(5)是否有市場(chǎng)?(6)社會(huì)效益與經(jīng)濟(jì)效益如何? 設(shè)計(jì)人員要富有創(chuàng)造精神;要從實(shí)際情況出發(fā);要調(diào)查研究;。要廣泛吸取用戶和工藝 人員的意見(jiàn),在設(shè)計(jì)、加工、安裝和調(diào)試過(guò)程中及時(shí)發(fā)現(xiàn)問(wèn)題、反復(fù)修改,以期取得最
機(jī)械及機(jī)械零件設(shè)計(jì)基礎(chǔ)知識(shí)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>240KB
頁(yè)數(shù):10P
4.7
conferences,learnedsuperiorspolicies;reports,youcanlearntodealwithproblems,art,justwantedtolearn,tolearnatanytime.tocontinuouslyexpandthescopeofthestudy.thecomplexityandcomprehensivenessofourwork,decidedtonotonlydowewanttobe"professionals",orif"generalists",todabbleindifferentareasofknowledge.masteryofknowledgenotonlyto
模糊可靠性優(yōu)化設(shè)計(jì)方法在機(jī)械零件設(shè)計(jì)中的應(yīng)用
格式:pdf
大小:274KB
頁(yè)數(shù):3P
4.4
通過(guò)對(duì)目前常用的幾種機(jī)械零件設(shè)計(jì)方法存在的不完善性分析,闡明模糊可靠性優(yōu)化設(shè)計(jì)方法在理論上的科學(xué)性、在設(shè)計(jì)方法上的先進(jìn)性和在機(jī)械零件設(shè)計(jì)中應(yīng)用的必然性與必要性。同時(shí)就機(jī)械零件的模糊可靠性優(yōu)化設(shè)計(jì)的具體方法作了分析和闡述
量子粒子群算法在鋼框架優(yōu)化設(shè)計(jì)中的運(yùn)用
格式:pdf
大小:173KB
頁(yè)數(shù):2P
4.8
介紹了標(biāo)準(zhǔn)粒子群算法的基本思想,提出了鋼框架抗震優(yōu)化設(shè)計(jì)的量子粒子群算法,建立了多層鋼框架優(yōu)化設(shè)計(jì)數(shù)學(xué)模型,最后通過(guò)一個(gè)算例驗(yàn)證了該方法的效率和有效性,結(jié)果表明該方法科學(xué)可行,具有很好的應(yīng)用前景。
基于多目標(biāo)遺傳算法的機(jī)械臂桿件長(zhǎng)度設(shè)計(jì)
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>329KB
頁(yè)數(shù):未知
4.5
基于傳統(tǒng)最優(yōu)化理論及經(jīng)驗(yàn)估計(jì)法的機(jī)械結(jié)構(gòu)優(yōu)化設(shè)計(jì)存在局部極值、對(duì)目標(biāo)函數(shù)的可微性有嚴(yán)格要求、優(yōu)化結(jié)果與初始值有較大的相關(guān)性等。以五自由度機(jī)械臂桿件長(zhǎng)度優(yōu)化設(shè)計(jì)為例,建立以機(jī)械臂各桿件長(zhǎng)度為變量的總功率、各關(guān)節(jié)角加速度和結(jié)構(gòu)緊湊性的目標(biāo)函數(shù),運(yùn)用多目標(biāo)遺傳算法結(jié)合模糊判斷策略的智能優(yōu)化方法,并與傳統(tǒng)設(shè)計(jì)方法的求解計(jì)算進(jìn)行對(duì)比分析,表明智能優(yōu)化方法對(duì)機(jī)械臂桿件長(zhǎng)度的優(yōu)化設(shè)計(jì)結(jié)果更加滿足經(jīng)濟(jì)性、穩(wěn)定性和結(jié)構(gòu)空間的要求。
最小偏差法在機(jī)械多目標(biāo)優(yōu)化設(shè)計(jì)中的應(yīng)用
格式:pdf
大小:598KB
頁(yè)數(shù):5P
4.5
提出了處理多目標(biāo)問(wèn)題的最小偏差法,并將其應(yīng)用于機(jī)械多目標(biāo)優(yōu)化設(shè)計(jì)。以流體動(dòng)壓滑動(dòng)軸承多目標(biāo)優(yōu)化設(shè)計(jì)為例,建立了以摩擦系數(shù)最小、發(fā)熱量最小和承載能力最大為目標(biāo)函數(shù)的多目標(biāo)優(yōu)化設(shè)計(jì)數(shù)學(xué)模型,根據(jù)最小偏差法原理構(gòu)造統(tǒng)一目標(biāo)函數(shù),利用改進(jìn)遺傳算法對(duì)該問(wèn)題進(jìn)行了優(yōu)化設(shè)計(jì)。算例整個(gè)求解過(guò)程和結(jié)果表明,該方法既可以避免人為因素的影響,又能夠獲得比常規(guī)設(shè)計(jì)更佳的設(shè)計(jì)參數(shù),同時(shí)也驗(yàn)證了所提方法對(duì)于解決機(jī)械多目標(biāo)優(yōu)化設(shè)計(jì)問(wèn)題的有效性和可行性。
基于MBD技術(shù)機(jī)械零件設(shè)計(jì)的研究與應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>326KB
頁(yè)數(shù):4P
4.6
詳細(xì)分析了基于mbd技術(shù)的機(jī)械零件設(shè)計(jì)方法,以不違背機(jī)械設(shè)計(jì)的基本原則為前提,創(chuàng)建mbd設(shè)計(jì)環(huán)境,整個(gè)設(shè)計(jì)過(guò)程面向制造裝配、面向產(chǎn)品的全生命周期、面向協(xié)同仿真與虛擬以及面向綠色檢驗(yàn)體系,實(shí)現(xiàn)了全程綠色設(shè)計(jì)。
基于MBD技術(shù)機(jī)械零件設(shè)計(jì)的研究與應(yīng)用??
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>326KB
頁(yè)數(shù):4P
4.3
詳細(xì)分析了基于mbd技術(shù)的機(jī)械零件設(shè)計(jì)方法,以不違背機(jī)械設(shè)計(jì)的基本原則為前提,創(chuàng)建mbd設(shè)計(jì)環(huán)境,整個(gè)設(shè)計(jì)過(guò)程面向制造裝配、面向產(chǎn)品的全生命周期、面向協(xié)同仿真與虛擬以及面向綠色檢驗(yàn)體系,實(shí)現(xiàn)了全程綠色設(shè)計(jì)。
基于粒子群算法的變電站工頻電場(chǎng)優(yōu)化
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>502KB
頁(yè)數(shù):7P
4.7
為降低變電站工頻電場(chǎng)曝露水平,避免工作人員長(zhǎng)期曝露其中可能造成的健康威脅,通過(guò)優(yōu)化電站設(shè)備布局來(lái)降低一次設(shè)備周圍近地面空間電場(chǎng)強(qiáng)度。建立220kv戶外配電設(shè)備3維幾何模型,采用軟件仿真計(jì)算出220kv戶外配電區(qū)電場(chǎng)分布,并將電場(chǎng)強(qiáng)度高于限值的設(shè)備區(qū)作為待優(yōu)化區(qū)域。提出適用于變電站電場(chǎng)優(yōu)化問(wèn)題的粒子群優(yōu)化算法的適應(yīng)度函數(shù)和限制條件。以降低設(shè)備區(qū)外部電場(chǎng)分布作為優(yōu)化目標(biāo),對(duì)其進(jìn)行整體優(yōu)化計(jì)算,在此基礎(chǔ)上,以降低設(shè)備區(qū)內(nèi)部高場(chǎng)強(qiáng)分布作為優(yōu)化目標(biāo)對(duì)相關(guān)設(shè)備位置進(jìn)行微調(diào)。最后將計(jì)算所得最優(yōu)電場(chǎng)分布與原電場(chǎng)分布進(jìn)行對(duì)比,整體優(yōu)化后的適應(yīng)度函數(shù)值減小了83.4%,局部?jī)?yōu)化后適應(yīng)度函數(shù)值再次減小了29.1%。優(yōu)化結(jié)果表明,利用粒子群算法對(duì)設(shè)備排布重新優(yōu)化,可以在不增加建設(shè)成本的前提下降低目前變電站工頻電場(chǎng)曝露水平。
基于粒子群算法的濟(jì)鋼氧氣系統(tǒng)優(yōu)化調(diào)度研究
格式:pdf
大小:134KB
頁(yè)數(shù):未知
4.5
濟(jì)鋼的氧氣系統(tǒng)一直存在著供需不平衡的問(wèn)題,導(dǎo)致氧氣放散率高,影響經(jīng)濟(jì)效益。通過(guò)對(duì)氧氣系統(tǒng)的生產(chǎn)、存儲(chǔ)和使用等環(huán)節(jié)進(jìn)行綜合分析,以氧氣放散率最低,經(jīng)濟(jì)效益最大為目標(biāo)函數(shù),建立氧氣系統(tǒng)優(yōu)化調(diào)度的模型,并利用改進(jìn)的粒子群算法求得最優(yōu)解,取得了良好的效果。
基于粒子群算法的自動(dòng)門控制研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>401KB
頁(yè)數(shù):未知
4.4
以自動(dòng)門的控制系統(tǒng)中的主要的受控對(duì)象無(wú)刷直流電動(dòng)機(jī)為研究對(duì)象,對(duì)其速度控制進(jìn)行了深入的研究。首先對(duì)無(wú)刷直流電動(dòng)機(jī)的參數(shù)和結(jié)構(gòu)進(jìn)行分析,建立起數(shù)學(xué)模型,然后將粒子群群算法與pid控制相結(jié)合,應(yīng)用于電機(jī)的速度控制,使得自動(dòng)門的開(kāi)門關(guān)門速度和時(shí)間可以快速地響應(yīng)外部要求,達(dá)到控制要求。
基于粒子群算法的電梯群控設(shè)計(jì)與量化分析
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>2.3MB
頁(yè)數(shù):7P
4.7
通過(guò)電梯群控粒子群算法和技術(shù)工程分析.給出了算法原理、最優(yōu)調(diào)度轎廂以響應(yīng)層站呼叫的流程.得到基礎(chǔ)參數(shù)的取法。結(jié)論電梯運(yùn)行模式是決定電梯群控設(shè)計(jì)和最優(yōu)調(diào)度的主要因素;在電梯群控諸多智能算法的評(píng)價(jià)函數(shù)中,主要由最短候梯時(shí)間決定最優(yōu)調(diào)度轎廂?;诹W尤核惴ǖ碾娞萑嚎卦O(shè)計(jì)與量化分析例說(shuō)明了上述結(jié)論。
基于免疫進(jìn)化算法的粒子群算法在梯級(jí)水庫(kù)優(yōu)化調(diào)度中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>737KB
頁(yè)數(shù):6P
4.3
針對(duì)高維、復(fù)雜的梯級(jí)水庫(kù)優(yōu)化調(diào)度在求解時(shí)易出現(xiàn)\"維數(shù)災(zāi)\"或陷入局部最優(yōu)解的問(wèn)題,本文提出了基于免疫進(jìn)化算法的粒子群優(yōu)化算法,該算法充分利用了免疫進(jìn)化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群尋優(yōu)中對(duì)初始種群的依賴和易陷入局部最優(yōu)的不足。通過(guò)實(shí)例計(jì)算表明,應(yīng)用該算法求解梯級(jí)水庫(kù)優(yōu)化調(diào)度問(wèn)題,結(jié)果可靠、合理,計(jì)算效率高,從而為求解高維,復(fù)雜的梯級(jí)水庫(kù)優(yōu)化調(diào)度提供了新的思路。
文輯推薦
知識(shí)推薦
百科推薦
職位:室內(nèi)設(shè)計(jì)師陽(yáng)臺(tái)設(shè)計(jì)
擅長(zhǎng)專業(yè):土建 安裝 裝飾 市政 園林